有个数据指标，做 AI 的人很少公开聊，但每个人心里都清楚，这个指标是个痛点。这就是：留存率。
知名风险投资人、Theory Ventures的合伙人 Tomer Tunguz 最近写了一篇博客，把这事说透了。他给了一个很形象的比喻：AI 就像一个滤网，不断有用户涌进来，又大量流失。
核心结论很简单：AI 产品的留存率，介于手机游戏和社交网络之间。比游戏强，但离真正的平台级产品，还有不小的距离。
先看一组对比数据
Tunguz 把几类互联网产品的 5 个月留存率摆在一起，差距比想象中大得多：
看清楚了吗？SaaS 产品 5 个月后还能留住九成人，社交网络留住八成。但到了 AI 这里，即使在粘性最强的基本盘里，5 个月留存率的天花板也只有 40% 左右。底部可能只有个位数。
这意味着什么？花大价钱拉来的用户，一半以上撑不过五个月就走了。如果你在烧钱做增长，这个数字应该让你睡不着觉。
41 天：一个模型的统治周期
更残酷的数据在后面。
Tunguz 的分析显示，一个前沿模型平均只能保持霸主地位 41 天。
“老国王驾崩，新国王万岁”——这个口号几乎每个月都会响起一次。
就在几天前，OpenAI 发布了一张图表，显示其最新模型 Sol 的用户增长曲线陡峭得惊人。Token 消耗的增长线甚至更陡。
用户永远在追逐最新的模型。今天用 GPT，下周试试 Claude，再过两周 Grok 出了新版本又切过去。忠诚度？不存在的。
这背后的驱动力是：用户没有切换成本。API 一换，代码改一行，模型就变了。这和换一个数据库、换一个云服务商完全不同。
智能的「性价比」正在以每年 10 倍的速度提升
光是性能好已经不够了。现在大家比的是 「单位成本下的智能水平」。
来看几个最新的对比：
微软的 MAI-Code-1-Flash 在 SWE-Bench Verified 测试中，性能与 Claude Haiku 4.5 打平，但消耗的 Token 少了 60%。
GPT 5.5 和 Claude Opus 4.8 在智能指数上只差不到 1 分，都在 60 分左右。但 GPT 5.5 的运行成本低了 28%。
xAI 的 Grok 4.5 得分 54，排名稍低，但单次任务成本只要 0.31 美元，再砍掉 60%。
Tunguz 给了一个惊人的趋势判断：在知识前沿、推理、数学和软件工程这些任务上，达到相同基准性能所需的成本，每年大约下降 10 倍。
一年降 10 倍。这意味着什么？今年今天你觉得贵的推理能力，明年这个时候成本只有十分之一。后年就是百分之一。
如果你是买家，你会怎么做？当然是等。
买家每 41 天就能重新谈判
这就形成了一个有趣的博弈格局。
对 AI 创业公司来说，你必须跟上这个月最好的模型，否则客户就走了。但跟上了也没用，因为下个月又有更好的、更便宜的出来，客户还是会走。
对客户来说呢？每 41 天就能获得一次谈判优势。上个月签的合同，下个月就有新模型能打脸。
Tunguz 把这种对比类比成金融领域的 PEG 比率——不是看绝对价格，而是看性价比。AI 领域的 “智力/美元” 比率正在以惊人的速度改善。
听起来像是一场军备竞赛对不对？但 Tunguz 给了一个不同的视角。
与中世纪的动荡不同，这场 AI 模型的竞争最终惠及的是整个社会。
模型越来越强，价格越来越低，选择越来越多。用户在每个周期都能拿到更好的东西。
滤网效应：一场没有终点的追逐
回到最开头的滤网比喻。
AI 产品面对的不是「做一款好产品用户就留下」这种传统逻辑。你面对的是一群极度理性、极度信息充分、切换成本几乎为零的用户。
他们在涌入，也在流失。你永远在补漏，但过滤网上的洞似乎越来越多。
这不是某一个产品的问题。这是整个行业处在「技术还在陡峭爬坡期」的必然产物。模型能力每个月都在进化，凭什么要求用户忠诚于一个「上个月的版本」？
对做 AI 应用的人来说，这件事值得反复琢磨：
当底层模型本身就在剧烈变动，你的护城河到底在哪里？是数据？是工作流？是用户习惯？还是别的什么？
如果你的产品只是在模型外面包了一层皮，那 41 天的倒计时，每天都在响。